squeezenet1_1

torchvision.models.squeezenet1_1(*, weights: Optional[SqueezeNet1_1_Weights] = None, progress: bool = True, **kwargs: Any) → SqueezeNet

來自 官方 SqueezeNet 儲存庫 的 SqueezeNet 1.1 模型。

SqueezeNet 1.1 的運算量比 SqueezeNet 1.0 少 2.4 倍，參數也稍微少一些，而且不會犧牲準確度。

參數:

• weights (SqueezeNet1_1_Weights, optional) – 要使用的預訓練權重。請參閱下方的 SqueezeNet1_1_Weights 以取得更多詳細資訊和可能的值。預設情況下，不使用預訓練權重。

• progress (bool, optional) – 若為 True，則將下載進度列顯示至 stderr。預設值為 True。

• **kwargs – 傳遞至 torchvision.models.squeezenet.SqueezeNet 基礎類別的參數。關於此類別的更多詳細資訊，請參閱 原始碼。

class torchvision.models.SqueezeNet1_1_Weights(value)

上述模型建構器接受下列值作為 weights 參數。SqueezeNet1_1_Weights.DEFAULT 等同於 SqueezeNet1_1_Weights.IMAGENET1K_V1。您也可以使用字串，例如 weights='DEFAULT' 或 weights='IMAGENET1K_V1'。

SqueezeNet1_1_Weights.IMAGENET1K_V1:

這些權重使用簡單的訓練配方，密切重現論文的結果。也以 SqueezeNet1_1_Weights.DEFAULT 提供。

acc@1 (在 ImageNet-1K 上)	58.178
acc@5 (在 ImageNet-1K 上)	80.624
類別	狗魚、金魚、大白鯊、… (省略 997 種)
配方	連結
最小尺寸	高度=17、寬度=17
參數數量	1235496
GFLOPS	0.35
檔案大小	4.7 MB

推論轉換可在 SqueezeNet1_1_Weights.IMAGENET1K_V1.transforms 中取得，並執行下列預先處理作業：接受 PIL.Image、批次 (B, C, H, W) 和單一 (C, H, W) 影像 torch.Tensor 物件。影像會使用 interpolation=InterpolationMode.BILINEAR 調整大小為 resize_size=[256]，然後進行 crop_size=[224] 的中央裁剪。最後，值會先重新縮放至 [0.0, 1.0]，然後使用 mean=[0.485, 0.456, 0.406] 和 std=[0.229, 0.224, 0.225] 進行正規化。